arXiv cs.AI· Alberto Caron, Tianyu Cui, Dmytro S. Lituiev, Mangal Prakash, Artem Moskalev, Amina Mollaysa, Bo Zhai, Hirsh Nanda, Daniel M. Poole, Zhongyin Liu, Iman Farasat, Robert Davidson, Nikolay V. Manyakov, Tommaso Mansi, Scott Oloff, Rui Liao·· 2 小时前AI 评分43
LSCO：基于预测器引导的潜在空间密码子优化方法，提升蛋白质表达水平
Predictor-Guided Latent Space Codon Optimization for Maximizing Protein Expression
AI 导读
Pfizer 等机构的研究者提出潜在空间密码子优化方法 LSCO，将离散的密码子优化问题转化为连续优化，利用预训练 mRNA 语言模型的潜在空间进行梯度搜索。方法结合不确定性感知表达预测目标、最小自由能正则化、自然性先验和约束解码。在真实湿实验抗体表达数据集上，LSCO 在预测表达量上优于频率法和深度生成基线，同时保持合适的生物物理性质。
来源：arXiv cs.AI · arxiv.org